MétaCan
Menu
Retour à la cohorte
Enregistrement W2111937104 · doi:10.1177/002215540004800516

Affinity Imaging of Red Blood Cells Using an Atomic Force Microscope

2000· article· en· W2111937104 sur OpenAlexfundno aff
Michel Grandbois, Wolfgang Dettmann, Martin Benoit, Hermann E. Gaub

Notice bibliographique

RevueJournal of Histochemistry & Cytochemistry · 2000
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueForce Microscopy Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaDeutsche Forschungsgemeinschaft
Mots-clésAgaroseLectinAtomic force microscopyAdhesionChemistryBiophysicsGlycolipidCell adhesionMaterials scienceNanotechnologyChromatographyBiochemistryBiology

Résumé

récupéré en direct d'OpenAlex

We used an atomic force microscope (AFM) to produce an image of a mixed layer of group A and O red blood cells with a contrast based only on the measured strength of a specific receptor-ligand pair. The image was obtained by measuring and plotting for each image pixel the adhesion force between the mixed RBC layer and the AFM tip functionalized with Helix pomatia lectin. The high specificity of that lectin for the N -acetylgalactosamine-terminated glycolipids present in the membrane of group A RBCs enabled us to discriminate between the two cell populations and to produce an image based on affinity contrast. The rupture force of the adhesion events leading to the image formation were quantitatively analyzed and compared to rupture forces measured with the same AFM tip on N-acetylgalactosamine tethered to agarose beads. The mean rupture force was found to be 65 pN when measured on the group A RBCs and 35 pN on the agarose beads. These results show that the adhesion, mediated by only a few receptor-ligand pairs, produces sufficient contrast for the affinity image formation.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,008
Tête enseignante GPT0,263
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations205
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Histochemistry & CytochemistryMême sujetForce Microscopy Techniques and ApplicationsTravaux en français237 207